AI Talep Tahmini & Stok/Üretim Planlama

AI Talep Tahmini & Stok/Üretim Planlama sistemi, envanter yönetimini veri odaklı kararlarla güçlendirmek isteyen mobilya sektörü işletmeleri için tasarlanmıştır. Sistem bir karar destek aracıdır; tahminler ve öneriler yöneticinin ve uzman ekibin kararlarını destekler, onların yerini almaz. Nihai sipariş, üretim ve stok kararı daima işletmenizde kalır. Model çıktıları her zaman istatistiksel bir olasılık aralığı olarak sunulur, kesin rakam olarak değil.

• Mobilya üreticileri ve fabrikalar: Hammadde alımını, üretim çizelgesini ve işgücü planlamasını talep tahminlerine dayalı optimize eder. Sezonluk artışlar için önceden kapasite rezervasyonu yapılmasına katkı sağlar. Tahminler kesin değildir; sektör dinamiklerine, tedarikçi değişikliklerine ve ekonomik koşullara göre uzman yorumu her zaman zorunludur.
• Çok şubeli perakende zincirleri: Her şube için ayrı talep tahmini ile merkezi depo-şube dağıtım planı oluşturur. Şubeler arası stok transferini optimize eder; hangi üründen nerede ne kadar tutulması gerektiğini önerir. Şubeler arası stok dengeleme ile aşırı stok ve stoksuz kalma riski azaltılır.
• Çevrimiçi ve hibrit satış kanalları: Hem web sitesi hem mağaza satışlarının ortak verisinden öğrenerek çok kanallı envanter optimizasyonu sağlar. Kampanya dönemlerinde ani talep artışını önceden görmeye yardımcı olur; kampanya planlaması veriyle desteklenir.
• Ismarlamacı ve özel üretim atölyeleri: Sipariş birikimini analiz ederek malzeme stok ihtiyacını tahmin eder. Sık kullanılan ahşap, kumaş ve metal profil gibi hammaddeler için stoksuz kalma riskini azaltır; tedarik sürelerini dikkate alan yeniden sipariş önerileri üretir.
• Depocu ve distribütör firmalar: Tedarikçi teslimat süreleriyle birleştirilmiş talep tahmini, yeniden sipariş noktalarını otomatik olarak önerir. Ölü stok maliyetini düşürür, depo alanı kullanım verimliliğini artırır ve lojistik planlama kapasitesini güçlendirir.
• Sezonsal ürün grupları yöneten işletmeler: Bahçe mobilyası, balkon seti, okul sezonu ofis ürünleri ve yılbaşı dekorasyon gibi yoğun sezonluk dalgalanma gösteren ürünlerde talep modeli en büyük değeri sunar. Bu ürünlerde kötü zamanlama en yüksek stok ve gelir kaybına yol açar.
• İhracat yapan mobilya firmaları: Farklı pazarlarda birbirinden bağımsız sezon örüntüleri ve tüketici tercihleri için ayrı tahmin modeli kurulabilir. İhracat kapsamlı planlamada üretim ve stok önerileri pazar segmentine göre özelleştirilir.

Sistemi etkin kullanabilmek için işletmenin en az 12–24 aylık ürün bazlı satış geçmişine sahip olması önerilir; veri miktarı ve kalitesi tahmin doğruluğunu doğrudan belirler. Az veriyle yapılan tahminler daha kaba ve risklidir; bu durum proje başında açıkça değerlendirilir ve gerçekçi beklenti yönetimi yapılır. Tahminler her zaman istatistiksel öneri ve yönlendirme olarak değerlendirilmeli; piyasa koşulları, tedarikçi değişiklikleri ve işletme kararları her zaman üstün tutulmalıdır.

Mobilya sektöründe envanter yönetimi, uzun tedarik süreleri ve yüksek stok maliyeti nedeniyle özellikle zorludur. Yanlış talep tahmini iki yönde ciddi zarar verir: fazla stok sermayeyi dondurur ve depo maliyetini artırırken stoksuz kalmak satış kaybına ve müşteri hayal kırıklığına yol açar. Sorunun iki uçlu yapısı çözümü de iki yönlü gerektirir.

Şunu açıkça belirtmek gerekir: hiçbir yapay zekâ modeli geleceği kesin olarak bilemez. Döviz kuru dalgalanması, tedarik zinciri aksaklığı, ani ekonomik değişim veya rakip hamleleri gibi dışsal faktörler tahmin doğruluğunu önemli ölçüde etkiler. Sistem bu tür dışsal şokları tarihsel veriden öğrenemez. Bu nedenle tahmin çıktıları kesinlikle garanti veya taahhüt içermez; karar vericinin sektör bilgisi ve deneyimiyle birlikte yorumlanması zorunludur. İşletme, sistemin önerisi doğrultusunda yaptığı kararların sorumluluğunu kendisi üstlenir. Bu koşul dashboard'da ve kullanım belgelerinde yazılı olarak yer alır.

Tüm bu sınırlara rağmen doğru kullanıldığında sistem, sezonsallık, ürün grubu trendi ve yeniden sipariş zamanlaması gibi tekrarlayan örüntüleri insan sezgisinden çok daha hızlı ve sistematik biçimde tespit ederek işletmeye ciddi bir karar avantajı sunar. Doğru konumlandırıldığında sistem, stok maliyetini azaltır, satış kayıplarını minimize eder ve üretim verimliliğini artırır.

Sistem beş aşamada kurulur. Her aşama önceki adımın çıktısını kullanır; veri kalitesi ve iş kuralları netleştikçe modelin tahmin kalitesi artar. Süreç boyunca işletme ile sürekli iletişim hâlinde kalınır; onay noktaları atlanmaz.

1. Veri Envanteri ve Kalite Değerlendirmesi (1–2 Hafta)

İşletmenin mevcut satış verileri, ERP veya muhasebe çıktıları, kampanya kayıtları ve tedarikçi sipariş geçmişi incelenir. Veri temizliği, eksik değer tamamlama ve zaman serisi formatına dönüştürme işlemleri yapılır. Veri kalitesi ve miktarı değerlendirilerek ulaşılabilecek tahmin doğruluğu aralığı proje başında işletmeyle paylaşılır; gerçekçi beklenti yönetimi bu aşamada yapılır ve belgelenir.

2. Model Geliştirme ve Eğitim (3–4 Hafta)

Sezonluk örüntü, trend ve kampanya etkisini öğrenen tahmin modeli (ARIMA, Prophet, gradyan artırma veya derin öğrenme hibrit yaklaşımı) geliştirilir. Her ürün grubu veya SKU kümesi için ayrı model veya hiyerarşik tahmin yapısı kurulur. Doğrulama verisiyle geriye dönük test (backtesting) yapılır; hata metrikleri (MAE, MAPE) raporlanır. Model çıktıları her zaman tahmini olasılık aralıkları içerir; kesin rakam değil, istatistiksel öngörüdür. Güven skoru düşük tahminler arayüzde ayrıca işaretlenir.

3. Dashboard ve Karar Destek Arayüzü (2–3 Hafta)

4. Entegrasyon ve Kabul Testi (1–2 Hafta)

Dashboard mevcut ERP, muhasebe veya stok yönetim sistemiyle entegre edilir. Satış verisi otomatik güncelleme ile modele beslenir; haftalık veya aylık yeniden eğitim döngüsü yapılandırılır. Kabul testi geçmiş dönem verileriyle doğrulanır; test bulgularına göre gerekli ayarlamalar yapılır ve onay alınır.

5. Canlı Kullanım ve Model Bakımı

Model canlıya alındıktan sonra tahmin sapmaları düzenli olarak izlenir; büyük sapmalar kök neden analiziyle incelenir. Sezon geçişlerinde, yeni ürün eklemelerinde ve önemli katalog değişimlerinde model yeniden eğitilir. Bakım döngüsü ve güncelleme sıklığı işletmeyle birlikte belirlenen bir takvime bağlanır. Sektörel ekonomik değişimler veya katalog güncellemeleri model davranışını etkileyebilir; bu nedenle periyodik model sağlık kontrolü bakım paketine dahildir. Her sağlık kontrolünde hata metrikleri yeniden ölçülür ve yönetici özetine dahil edilir.

Talep tahmini sistemi işletmenizin ticari sır niteliğindeki satış, stok ve maliyet verilerini işlediğinden gizlilik ve erişim güvenliği tasarımın merkezindedir. Aşağıdaki önlemler kurulum aşamasında devreye alınır ve işletmeye yazılı olarak teslim edilir.

• Ticari Veri Gizliliği: Satış, stok ve sipariş verileri yalnızca tahmin modeli için işlenir; üçüncü taraflarla paylaşılmaz. Veri aktarımı şifreli kanallar (TLS) üzerinden gerçekleşir; depolama alanları erişim denetimi ve şifrelemeyle korunur. Veri işleme amacı ve kapsamı yazılı olarak tanımlanır.
• Rol Tabanlı Erişim Kontrolü: Dashboard'a erişim; genel yönetici, satın alma uzmanı, üretim planlayıcısı ve depo sorumlusu gibi rollere göre kısıtlanır. Her kullanıcı yalnızca kendi iş fonksiyonuyla ilgili veriyi ve tahmini görür. Yönetici rolü erişim günlüklerini izleyebilir.
• Tahmin Çıktıları Garanti İçermez: Sistem tarafından üretilen tüm tahmin ve stok önerileri istatistiksel karar destek niteliğindedir; gelecekteki satış rakamlarını veya stok ihtiyacını kesin olarak garanti etmez. Dışsal faktörler (ekonomik koşullar, tedarik zinciri aksaklıkları, rekabet hareketleri, kur dalgalanmaları) tahmin doğruluğunu her zaman etkiler. İşletme, sistem çıktıları doğrultusunda aldığı kararların sorumluluğunu üstlenir. Bu sınır dashboard'da ve kullanım koşullarında yazılı olarak belirtilir.
• Model Denetim Kaydı: Her tahmin çalışması zaman damgası, kullanılan veri aralığı ve model versiyonu bilgisiyle loglanır. Gerektiğinde geriye dönük denetim yapılabilir; bu kayıtlar silinmeden belirtilen süre boyunca saklanır.
• Veri Yedekleme ve Hizmet Sürekliliği: Model ve eğitim verisi düzenli aralıklarla yedeklenir. Altyapı kesintisinde son yedekten itibaren kurtarma süresi proje başında belirlenir ve taahhüt edilir. Planlı bakım pencereleri 48 saat öncesinden bildirilir; hedef çalışma süresi yüzde doksan dokuz buçuk ve üzeridir.
• Güvenlik Güncellemeleri: Kullanılan kütüphane ve bağımlılıklar güvenlik açıklarına karşı düzenli olarak denetlenir; kritik güncellemeler kırk sekiz saat içinde uygulanır. Yıllık güvenlik değerlendirmesi bakım paketine dahildir.

Tüm güvenlik politikaları, veri akış şeması, erişim rolleri ve sorumluluk sınırları proje başlangıcında işletmeyle mutabık kalınarak yazılı olarak teslim edilir; bakım döneminde yıllık olarak gözden geçirilir ve iş kuralı değişikliklerine göre güncellenir.